Tether bringt Compact Edge KI für medizinische Denkmodelle auf den Markt

• Tether bringt kompakte MedPsy-KI-Modelle auf den Markt, die lokal laufen und die Abhängigkeit von Cloud-Systemen verringern.
• Neue MedPsy-Modelle zeigen starke Benchmark-Ergebnisse und legen dabei den Fokus auf Privatsphäre und schnellere medizinische Vernunft.
• Das edge-basierte KI-Design zielt darauf ab, Kosten zu senken, die Geschwindigkeit zu verbessern und Krankenhäuser bei der Verarbeitung sensibler Daten zu unterstützen.

Tether hat neue medizinische KI-Modelle veröffentlicht, die direkt auf Telefonen, Laptops und lokalen Servern laufen können, ohne auf Cloud-Systeme angewiesen zu sein. Das KI-Forschungsteam des Unternehmens führte QVAC MedPsy in Versionen mit 1,7 Milliarden und 4 Milliarden Parametern ein, die darauf ausgelegt ist, medizinische Schlussfolgeraufgaben zu bewältigen und dabei alle Daten auf dem Gerät zu speichern.

In einer offiziellen Mitteilung erklärte das Unternehmen, dass die Modelle hauptsächlich Krankenhäuser, Kliniken und Entwickler ansprechen, die schnellere Verarbeitung und eine engere Kontrolle über Patienteninformationen benötigen.

Tether sagte, die Modelle konkurrieren trotz ihrer geringeren Größe in medizinischen Tests mit größeren cloudbasierten Systemen. Es wurde außerdem festgestellt, dass die Version 1,7B mehrere mittelgroße Konkurrenten in klinischen Benchmarks übertrifft. Darüber hinaus verzeichnet das 4B-Modell stärkere Ergebnisse als einige deutlich größere Systeme in ausgewählten medizinischen Bewertungen.

Edge AI Durchbruch im medizinischen Denken

Tether hat die MedPsy-Modelle so entwickelt, dass sie direkt auf Edge-Geräten laufen, ohne auf Cloud-Infrastruktur angewiesen zu sein. Das Unternehmen erklärte, dass diese Einrichtung Verzögerungen reduziert und die Privatsphäre beim Umgang mit Gesundheitsdaten verbessert. Das 1,7-Milliarden-Modell übertraf zudem Googles MedGemma-1,5-4B-it in Benchmark-Tests um 11,42 Punkte. Darüber hinaus zeigte es starke Ergebnisse bei HealthBench- und anderen klinischen Argumentationsbewertungen.

Die 4B-Version erzielte zudem höhere Ergebnisse als MedGemma-27B-text-it in mehreren medizinischen Tests. Es wurden auch Verbesserungen bei MedXpertQA und HealthBench Hard Benchmarks verzeichnet. Tether sagte, die Modelle habe mit Reinforcement Learning in Kombination mit kuratierten klinischen Daten trainiert. Dieser Ansatz verbessert laut Unternehmen die Genauigkeit bei komplexen medizinischen Schlussfolgeraufgaben.

Benchmark-Gewinne gegenüber größeren Modellen

QVAC MedPsy erzielte starke Ergebnisse in mehreren medizinischen Benchmarks, darunter MedQA, MedMCQA und PubMedQA. Sie schnitt auch bei AfriMedQA- und MMLU-Gesundheitsdatensätzen gut ab, die medizinisches Wissen in verschiedenen Regionen und Anwendungsfällen testen.

Tether sagte, das System nutze pro Antwort weniger Token, was die Rechenkosten senkt und die Geschwindigkeit verbessert. Das 1,7B-Modell hat im Durchschnitt etwa 1.110 Token pro Antwort, während die 4B-Version in Tests im Durchschnitt etwa 909 Token erreicht. Daher sagt das Unternehmen, dass die Modelle effizient auf Standard-Krankenhaushardware laufen können. Es bietet außerdem komprimierte Versionen für mobile und Edge-Geräte-Bereitstellung.

Auswirkungen auf den Datenschutz und die Kosten im Gesundheitswesen

Tether sagte, dass der lokale Betrieb von KI-Modellen Datenschutzrisiken im Zusammenhang mit cloudbasierten medizinischen Systemen verringern kann. Es wurde hinzugefügt, dass die Vor-Ort-Verarbeitung Krankenhäusern hilft, sensible Patientendaten zu verwalten, ohne diese an externe Server zu senden.

Unabhängig davon berichtete das Unternehmen kürzlich über eine starke finanzielle Leistung und eine stabile Umlaufbahn seiner USDT-Stablecoin. Sie teilte außerdem mit, dass sie weiterhin mit den Aufsichtsbehörden zusammenarbeitet, einschließlich Maßnahmen wie Wallet-Einfrieren und Vorbereitungen für Prüfungen.

Verwandt: VAE bauen regulierte Schienen zum Tausch von Dirham- und Dollar Stablecoins